1回答
当使用深度Q学习时，我试图通过传递一些灰度帧作为输入来捕捉运动，每个灰度帧的尺寸为90x90。将传入四个90x90帧，以允许网络检测运动。多个帧应该被认为是一个单独的状态，而不是一批4个状态，我如何才能获得动作的向量作为结果而不是矩阵？ 我正在使用pytorch，它将返回一个
浏览 21提问于2020-06-21得票数 1
我已经成功地使用Q-学习解决了一些经典的OpenAI健身房强化学习环境(即出租车，CartPole)。这些环境允许在每个时间步骤中执行单个操作。但是，我无法找到一种解决问题的方法，即在每个时间步骤同时采取多个操作。例如，在Roboschool环境中，必须在每个时间步骤中指定两个扭矩值--每个轴一个。问题是，Q矩阵是由(状态，动作)对构建的。但是，如果同时执行<em
浏览 0提问于2019-04-05得票数 4
1回答
我现在正试图实现一个人工智能玩家使用Q-学习来玩两个不同的随机玩家。我已经为游戏定义了11个州。每个状态是根据其他参与者的位置来定义的。
我可能的动作是6，(受骰子的限制)。理论上，我可以有四种不同的状态(每个Ludo令牌一种)，它们可以执行骰子选择的<e
浏览 0提问于2016-05-19得票数 3
回答已采纳
2回答
Q学习转移矩阵
、、
我正在尝试找出如何在网格世界的例子中实现Q学习。我相信我理解Q学习的基本原理，但它似乎没有给我正确的价值观。
这个例子来自Sutton和Barton关于强化学习的书。网格世界是这样指定的，即智能体可以在任何给定的状态下以相等的概率采取动作{N，E，W，S}，并且所有动作的奖励都是0，除非智能体
浏览 1提问于2015-04-24得票数 0
1回答
在尝试实现Episodic Semi-gradient Sarsa with神经网络作为逼近器时，我想知道如何根据当前学习到的网络权重来选择最优动作。如果动作空间是离散的，我只需计算当前状态下不同动作的估计值，就可以选择给出最大值的动作。但这似乎不是解决问题的最佳办法。此外，如果动作空间可以是连续的(例如，自动
浏览 6提问于2017-07-28得票数 6
回答已采纳
3回答
Q学习与强化学习中的值迭代有何不同？
我知道Q- (s, a, s', r)是无模型的，训练样本是转换学习。但是，既然我们知道Q学习中的转变和每个转变的奖励，它不是与基于模型的学习相同吗?在基于模型的学习中，我们知道状态和动作对的
浏览 2提问于2015-03-09得票数 35
回答已采纳
2回答
Q学习(多目标)
、、、、
我刚刚开始研究Q-learning，并且看到了使用Q-learning来解决我的问题的可能性。我在Q学习中研究的是，大多数时候你有一个目标(只有一个状态作为目标)，这使得智能体更容易学习并从R矩阵创建Q矩阵。现在，在我的问题中，我有许多目标(许多状态充当目标，需要检测)。我不知道如何设计状态，如何</e
浏览 6提问于2013-11-15得票数 2
2回答
深Q网络中的Q-学习方程
、、、、
我对强化学习一点也不熟悉，所以我可能错了。
这个方程是反复出现的吗？假设我使用DQN来玩Atari突破，可能的状态数很大(假设状态是单个游戏的框架)，所以创建所有q值的矩阵是不有效的。方程应该更新
浏览 1提问于2018-05-29得票数 2
回答已采纳
1回答
在Q-学习中，如何告诉代理动作$a_7$从状态$s_{t}$中不可用？
提供一个非常大的负面回报是好的，还是可能使它偏离轨道？据我所读到的(链接)，最好是工作的小回报( -1.0到1.0之间)。
浏览 0提问于2018-08-28得票数 2
回答已采纳
1回答
我知道在正常的深度强化学习(DRL)场景中，我们学习了一个深层神经网络来将当前状态映射到Q值。Q值的数目(神经网络输出的#)与可能的动作数相同，因此我们可以根据相关的Q值选择动作。然而，在本文"基于组合动作空间的深度强化学习预测流行Reddit线程“中，作者
浏览 0提问于2019-04-16得票数 6
1回答
我对任何机器学习方法都很陌生，我想我会尝试一下Q-学习。所以我一直在读这篇文章：
Q(1, 5) = R(1, 5) + 0.8 * Max[Q(5, 1), Q(5, 4), Q(5, 5)] = 100 + 0.8 * 0 =100
浏览 0提问于2015-09-03得票数 1
回答已采纳
4回答
我必须用Q-学习来解决这个问题。嗯，实际上我得根据它来评估一项基于Q学习的政策。我有n酒店，每个酒店都可以容纳不同数量的人。我在酒店里的每一个人，我都会得到奖励，根据我选择的房间。把新来的人。
我的奖励矩阵</em
浏览 3提问于2014-04-19得票数 3
回答已采纳
1回答
问-学习:你能向后移动吗？
、、、、
我正在查看一个样本考试，有一个关于Q-学习的问题，我已经把它包括在下面。在第三步中，为什么所采取的操作是“正确”而不是“向上”(回到A2)。看来，返回到A2的Q值为0.18，向右的Q值为0.09。编辑:还有，为什么2，C的奖励值为2的行动‘权利’，即使那里有一堵墙，不可能去，对吗？我们是否只是假设这不是一个可能的移动，而忽略它的Q值？Edit2:
浏览 9提问于2014-03-22得票数 1
回答已采纳
我正在努力了解如何确保我们的代理在开发它所知道的信息之前，对状态空间进行足够的探索。我知道，我们使用贪婪的epsilon方法和一个衰败的epsilon来实现这一点。然而，我遇到了另一个概念，即使用探索函数来确保我们的代理探索状态空间。用Epsilon贪婪的
Q学习sample = R(s,a,s') + \gamma \max_{a'}Q(s&
浏览 0提问于2021-05-05得票数 3
回答已采纳
我目前正在研究机器学习范例在寻路问题上的应用。我目前正在研究强化学习模式，我使用QLearning进行路径查找。当状态不多时，QLearning似乎运行良好，但一旦环境变得更大，状态越多，它的性能就越差。由于QLearning的收敛速度太慢，我想知道是否可以用QLearning插值未探索状态的QValue，因为QLearning不使用模型？是否有可能在一般情况下进行强化，还是需要了解所有可能的状态？
浏览 0提问于2018-04-18得票数 0
回答已采纳
我目前正在编程一个Q学习神经网络tha不工作。我以前问过一个关于投入的问题，并且已经解决了这个问题。我目前对于程序为什么不能工作的想法是与阈值有关。这是一个神经网络-Q学习的具体变量.基本上，这个值介于0到1之间，然后你在0到1之间做一个随机数，如果这个随机数大于阈值，那么你就选择一个完全随机的选择，否则神经网络通过找到最大的Q值来选择。我的问题
浏览 0提问于2018-01-13得票数 3
回答已采纳
1回答
在习惯了离散动作-状态-空间中的Q-Learning算法之后，我现在想将其扩展到连续空间。为了做到这一点，我阅读了萨顿介绍中的On-Policy Control with Approximation一章。这里，推荐使用像线性函数或ANN这样的可微函数来解决连续动作状态空间的问题。然而，Sutton随后描述了将连续变量映射到离散表示的平铺方法。这总是必要的吗？
为了理解这些方法，我尝试在没有平铺方法和
浏览 5提问于2017-07-26得票数 2
1回答
我正在处理一个电源管理问题，在这个问题上，我根据事件的发生控制计算板的电源管理。我使用强化学习(传统的Q-学习)进行电源管理，其中计算板作为服务提供者(SP)处理请求(映像)。我也有一个基于人工神经网络的工作量估计器，它将当前的工作量分类为低工作量或高工作量。因此，Q-学习算法的状态空间包括Q(s，a)的组合，其中s=(SR，S
浏览 5提问于2012-06-17得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
